基于回归深度卷积网络的船舶图像与视频检测

为解决船舶图像与视频检测算法识别率低、实时性差的问题,提出基于回归深度卷积网络的船舶图像与视频检测方法。结合YOLOv2特征提取层和YOLOv3的特征金字塔网络(feature pyramid network,FPN)层思想设计新的网络结构,验证不同激活函数效果,采用聚类算法设计锚框大小。实验表明,相比于YOLO系列网络,本文的方法在船舶图像与视频检测中效果更好,在测试集上平均精度均值为0.9209,召回率为0.9818,平均交并比为0.7991,在视频检测中每秒钟检测的帧数为78~80。为港口船舶智能管理和无人船视觉处理提供一种准确度高和实时性好的船舶检测方法。